一种基于视觉模糊推理的管道机器人自主定位控制方法

本文应用模糊控制技术，提出了一种基于视觉模糊推理的管道机器人自主定位控制方法，仿真试验证明了该方法的可行性。     

基于视觉的机器人自主定位与障碍物检测方法

针对稀疏型同时定位与地图构建（SLAM）算法环境信息丢失导致无法检测障碍物问题，提出一种基于视觉的机器人自主定位与障碍物检测方法。首先，利用双目相机得到观测场景的视差图。然后，在机器人操作系统（ROS）架构下，同时运行定位与建图和障碍物检测两个节点。定位与建图节点基于ORB-SLAM2完成位姿估计与环境建图。障碍物检测节点引入深度阈值，将视差图二值化；运用轮廓提取算法得到障碍物轮廓信息并计算障碍物凸包面积；再引入面积阈值，剔除误检测区域，从而实时准确地解算出障碍物坐标。最后，将检测到的障碍物信息插入到环境的稀疏特征地图当中。实验结果表明，该方法能够在实现机器人自主定位的同时，快速检测出环境中的障碍物，检测精度能够保证机器人顺利避障。     

一种用于三维物体定位的视觉方法

本文讨论了一种利用视觉信息对限定性物体在三维空间定位的方法。这项工作是一个在脱机的高级机器人语言控制下验证视觉系统的一部分。本文对这一视觉系统的整体结构及其与高级机器人语言系统的关系做了概要的介绍,并且着重讨论了其中的低级视觉信息处理模块的工作原理,以及利用视觉信息对三维空间中的物体进行定位的精度     

基于广义预测控制和模糊推理的机器人网络控制

机器人远程控制的研究是当今世界的一个前沿课题。控制系统的实时性是非常重要的，虽然控制网络中传送的数据包通常较短、发送／接收频率较高，但是有限的网络带宽就使数据传输过程中不可避免地存在着延迟，而且随着网络协议、负载等诸多延时因素的影响，该延迟会随机变化。这就容易导致较大的超调量和较长的调节时间，以及数据丢包，严重影响生产过程的控制品质而且会大大降低系统的稳定性。针对如图1所示的机器人网络控制系统，本文先采用改进的最小二乘辨识方法，辨识获得对象模型参数。然后，针对网络延时，数据丢包，充分利用GPC算法输出预测和滚动优化的优点，加以解决。对于模型失配以及外界干扰造成的误差，通过模糊推理对误差进行补偿校正。     

一种鲁棒的基于全向视觉的足球机器人自定位方法

针对RoboCup 中型组机器人足球比赛环境高度动态的特点和现有定位方法的不足,提出了一种鲁棒 的基于全向视觉的自定位方法．该方法结合使用粒子滤波定位和匹配优化定位,同时还设计了基于图像熵的摄像机 参数自动调节算法以使全向视觉的输出能够适应光线条件的变化．实验结果表明,通过使用该方法,机器人能够在 实时获得高精度自定位的同时实现可靠的全局定位,并对遮挡、光线条件变化等环境动态因素具有很强的鲁棒性．     

一种基于视觉的足球机器人体系结构方案

以参加机器人足球世界杯赛(FIRA RWC2002)RoboSot项目的全自主型足球机器人系统为研究对象,详细介绍了全自主型足球机器人的体系结构,重点探讨了机器人的视觉感知系统,并且针对一组完整的射门动作对系统做出了分析和评价。     

基于信息融合的管道机器人定位控制研究

提出了低频电磁波、视觉、计程轮这3种管道机器人定位方法;分析了3种传感器定位精度、作用范围和工作速率的特点;在考虑3种定位方法精度条件下,给出了传感器的优先权系数计算方法与基于优先权系数的D-S证据融合信度函数;通过D-S证据融合规则得到融合证据,解决了多传感器定位中决策传感器的选择问题,以实现管道机器人准确、快速地定位.     

基于立体视觉的球形机器人定位方法

针对球形机器人定位问题,提出了基于立体视觉的球形机器人定位方法.通过双目相机采集环境图像序列,提取Shi-Tomasi特征点,计算尺度不变特征变换(SIFT)特征描述符,并利用欧氏距离进行立体匹配;通过KLT算法进行特征点跟踪;采用解析法求解机器人在前后帧图像之间的位姿变化量;同时采用特征点筛选、RANSAC算法和卡尔曼滤波等方法,提高运动估计的准确性和鲁棒性.实验结果验证了所提出方法的可行性.     

一种全自主足球机器人单目视觉定位的新方法

一种适用于全自主足球机器人的单目视觉二维空间变换计算模型,解决了单目视觉像平面T′到实际场地平面Jr的二维空间平面映射问题;将单目视觉中目标物的帧存坐标系变换成机器人的世界坐标系,从而计算出目标物与机器人的垂直距离和水平距离;对采样点像坐标进行变换后的计算结果与采样点的实际位置坐标进行的对比实验证明,该算法具有较好的准确性和可靠性;该模型在Robocup全自主中型足球机器人比赛中,也实现了较为准确的目标位置判断.     

基于全景视觉机器人自定位方法研究

根据RoboCup比赛规则的改变,在足球机器人失去利用球门、立柱等地标信息定位条件情况下,提出一种新的基于全景视觉的自定位方法。该方法通过对白色标志线上点的识别,结合场地环境栅格化的处理,通过最小误差搜索而达到快速、精确自定位的目的。实验结果表明该自定位方法达到了较高定位精度和较快定位速度。     

一种基于神经网络的模糊推理方法研究

模糊系统设计中,模糊规则的建立是系统设计的瓶颈问题。针对这一问题,该文提出了一种用于监督神经网络自动生成模糊规则并实现模糊推理的方法。网络训练分为两个阶段,首先是结构学习,确定系统的规则总数和前提的有关参数;其次是参数学习,即调整权值,使系统输出接近理想输出。仿真实例证明使用该方法建立模糊系统具有较好的效果。     

自主轮式机器人THMR－V的混合模糊逻辑控制

轮式机器人的控制问题是控制研究的关键问题之一，对高速自主导航的轮式机器人，控制器的实时性、精确性和鲁棒性要求很高．在本文中，根据PID控制和模糊逻辑控制的各自优点，将传统的PID控制与模糊逻辑控制结合起来，提出了一种混合模糊逻辑控制算法. 经实验检验，该算法具有很高的实时性、控制精度和鲁棒性，能够满足机器人高速自主导航的需要．     

基于雅可比预测的机器人无模型视觉伺服定位控制

针对未知相机标定及目标3D几何模型,研究机器人无模型视觉伺服定位方法.引入状态空间,建立机器人“视觉空间-运动空间”雅可比非线性映射的状态方程和观测方程,提出神经网络联合卡尔曼滤波雅可比预测算法,网络在线动态补偿系统近似误差与参数估计误差,实现最小均方差条件下的雅可比预测;以李雅普诺夫稳定性准则构建雅可比预测的无模型图像视觉伺服控制方案,避免了相机标定和目标建模.“眼在手”六自由度机器人定位比较实验表明,图像空间特征轨迹平滑稳定在相机视场中,笛卡尔空间机器人末端运动平稳,无震荡回退,定位精度在10个像素范围内.     

一种基于随动视觉的排爆机器人自主抓取系统

在传统基于固定视觉的排爆机器人抓取系统中,相机视觉易被遮挡且不能保证拍摄清晰度。基于随动视觉技术,提出一种将深度相机置于机械手末端并随机械手运动的排爆机器人自主抓取系统。利用深度相机计算目标物体的三维坐标,采用坐标转换方法将目标物体的位置坐标信息实时转换至机器人全局坐标系,并研究相机坐标系、机器人全局坐标系与末端执行器手爪工具坐标系三者的动态映射关系,实现排爆机器人的自主抓取。实验结果表明,与传统固定视觉方法相比,随动视觉方法可在误差2cm内,使得机器人机械手爪准确到达目标物体所在位置,且当机器人距离目标物体100cm~150cm时,抓取效果最佳。     

基于Dempster-Shafer的飞行机器人多目标视觉定位方法

在受到遮挡物影响的室内环境中,飞行机器人接收数据中常伴有不确定性因素,为了解决复杂室内环境下高精准定位问题,提出了基于Dempster-Shafer的飞行机器人多目标视觉定位方法。根据飞行机器人控制原理,分析飞行位置与期望位置存在偏差,通过提取颜色特征和边缘特征建立多目标模型。设计地面标记,采用迭代算法对标记地面目标进行局部最大化概率计算,以此适应多目标形变,通过Dempster-Shafer证据推理方法获取目标精准位置,由此完成多目标视觉定位。在实验场地支持下,将传统方法与Dempster-Shafer证据推理方法进行对比分析,由结果可知,Dempster-Shafer证据推理方法定位精准度最高可达到96%,对提高室内定位精准度具有一定价值。     

一种形状定位方法

物体形状的位置和方向往往是很重要的信息,它在形状识别和机器人视觉等方面都有广泛的用途.本文描述了一种计算机自动定位方法,实验证明是有效的,并具有算法简单、运算速度快、定位精度高的特点.     

一种改进的基于相似度的模糊推理方法

基于模糊集合概念的模糊产生式规则及其模糊推理方法广泛应用于智能控制、专家系统等领域。文章指出了现有的一种基于相似度的模糊推理方法的缺陷。提出了一种改进的基于相似度的模糊推理方法。并通过实例说明了改进方法的优越性。     

基于单目视觉的机器人目标定位测距方法研究

为实现具有单目视觉的双足机器人对目标物体的定位测距,根据针孔成像和几何坐标变换原理,提出一种基于单目视觉系统自身固定参数计算目标物体深度信息的几何测距方法;该方法利用双足机器人自带的单目视觉系统的固定参数,通过几何映射关系求解目标物体在三维空间内的坐标位置及相对于机器人的距离,克服了由于外界环境变化以及对参照物识别时所产生的误差影响测距定位精度的问题,从而实现基于单目视觉的目标物体精确跟踪定位;并对所提出方法进行了实验,得到比理论结果误差较小的实验数据,证明了方法的可行性。     

一种双模控制的自主跟随机器人系统设计

为解决非视觉跟随方式的不稳定性,设计了一种基于机器视觉传感器的自主跟随机器人系统。系统具备自主跟随和手动遥控两种模式。采用Processing软件编写手机端应用程序(APP),通过Wi Fi模块向系统发送模式选择命令。在自主跟随模式下,通过开源机器视觉模块Open Mv采集图像信息,采用Micro Python编程实现对跟随标记的识别定位,获取定位坐标,建立向量空间,并调用差速跟随算法使机器人自主跟随标记,以完成自适应移动。在遥控模式下,通过2.4 GHz无线射频模块n RF24L01发送指令,实现了对无法识别目标等特殊环境下的机器人的控制。通过系统硬件设计和软件编程,搭建了一台系统模型机。采用April Tags码作为跟随标记,对系统功能进行了验证。该系统实现了对特定目标的自主跟随以及手动遥控跟随;无线通信稳定,实现了双模控制,满足了预期要求。该系统对跟随机器人的发展起到了有力的推动作用。     

自适应神经模糊推理结合PID控制的并联机器人控制方法

针对6自由度液压驱动并联机器人的精确控制问题,提出一种结合自适应神经模糊推理系统(ANFIS)和比例积分微分(PID)控制的机器人控制方法。首先,利用浮动坐标系描述法(FFRF)来模拟机器人柔性组件,并构建并联机器人的拉格朗日动力学模型。然后,根据模糊推理中的模糊规则来自适应调整PID控制器参数。最后,利用神经自适应学习算法使模糊逻辑能计算隶属度函数参数,从而使模糊推理系统能追踪给定的输入和输出数据。将该控制器与传统PID控制器、模糊PID控制器进行比较,结果表明,ANFIS自整定PID控制器大大减小了末端器位移误差,能很好的控制并联机器人末端机械手的运动。